#测试时计算

共 12 条 · 7 天 1 条 · 30 天 1 条

ARC 1 BRIGHT 1 Chollet 1 Claude Opus 5 1 GPT-5.6 Sol 1 NVIDIA 1 o3 1 RAG 1

信息流里打上「测试时计算」标签的资讯、产品与论文，按刊登时间排，新的在上。

10月4日

论文 Agent 与开发者多源确认精选19:02

NVIDIA 论文：终端智能体加大验证器投入比增加采样更有效

NVIDIA 新论文说终端命令别直接跑，先采样再验证，验证器要舍得花钱，Pass@1 直接从 50% 拉到 68%。

#NVIDIA #GPT-5.6 Sol #TerminalBench #测试时计算

事件专题

DAIR.AI@dair_ai11 个信源在谈原文

8月11日

产品精选23:58

Weaviate Search Mode新增effort参数，控制测试时计算成本

Weaviate给搜索模式加了effort档位，想省算力就选medium，要质量就上ultrahigh，BRIGHT基准上提升明显，做RAG的可以试试。

#Weaviate #Search Mode #BRIGHT #RAG

Weaviate@weaviate_io原文

8月7日

行业02:10

Chollet确认纯扩展失败，测试时计算才是关键

Chollet 承认以前低估了 LLM，现在说纯 scaling 不行，o3 的 TTC 才是关键。

#Chollet #o3 #ARC #测试时计算

Gary Marcus@GaryMarcus原文

7月25日

模型中美对照05:17

Claude Opus 5 在部分基准上最大思考模式反而降低性能

有人发现 Opus 5 开最大思考反而在某些基准上变差了，和直觉相反，值得研究。

#Claude Opus 5 #推理模型 #基准测试 #测试时计算

Jerry Liu@jerryjliu0原文

6月27日

模型11:58

动态工作流是新型测试时计算，LLM构建复杂模式能力有限

聊动态工作流和LLM的短板，还点名Mythos/GPT-5.6，看它能不能搞定复杂模式生成。

#Mythos #GPT-5.6 #动态工作流 #测试时计算

elvis@omarsar0原文

6月26日

技巧 Agent 与开发者精选04:59

动态工作流讨论：TTC范式与代理编排经验分享

如果你在做代理编排或研究测试时计算，这条推文给出了非常实用的观察，比如什么时候该用动态工作流、如何用好验证器，还提到了Mythos这类新模型。

#动态工作流 #测试时计算 #推理模型 #智能体

elvis@omarsar0原文

6月23日

模型10:33

AdaR：自适应递归图模型实现测试时计算

AdaR让图模型在测试时自己调整推理步数，不用重新训练，效果比传统图神经网络好。

#AdaR #图学习 #测试时计算 #自适应推理

arXiv cs.LG@Junshu Sun 等 4 人原文

6月11日

论文精选72°11:28

DIRECT：具身规划中何时何地分配测试时计算

DIRECT 解决了具身规划中测试时计算资源浪费的问题，做机器人部署和 VLM 应用的团队可以直接参考其路由策略，在降低成本的同时保持性能。

#具身智能 #测试时计算 #路由框架 #VLM

arXiv cs.AI@Jadelynn Dao 等 10 人原文

5月22日

论文多源确认83°08:05

通用LLM通过长思考破解数论难题，OpenAI模型展现前沿研究能力

这项发现打破了“只有专用模型才能做前沿研究”的认知，做AI科研或数学研究的团队值得关注——它意味着你的通用模型可能比想象中更聪明，只是需要给它更多思考时间。

#LLM #数学推理 #前沿研究 #测试时计算

事件专题

rohanpaul_ai@rohanpaul_ai8 个信源在谈原文

5月21日

模型中美对照多源确认83°14:57

OpenAI 推理模型推翻 1946 年 Erdős 猜想，数学 AI 再创历史

OpenAI 用通用推理模型解决了一个困扰数学家近 80 年的难题，证明 AI 不需要专用引擎也能做前沿数学研究。做 AI 推理或数学建模的团队值得关注——它展示了“推理时计算”比“更多训练”更能带来突破。

#推理模型 #数学 #OpenAI #Erdős 猜想

事件专题

rohanpaul_ai@rohanpaul_ai11 个信源在谈原文

论文精选11:55

Equilibrium Reasoners：学习吸引子实现可扩展推理

EqR 用吸引子理论解释了为什么迭代推理能泛化，做推理模型或可扩展计算的团队值得关注——它可能改变你对测试时计算分配的理解。

#推理模型 #测试时计算 #吸引子 #可扩展性

arXiv cs.LG@Benhao Huang 等 3 人原文

5月12日

论文21:55

TMAS: 多智能体协同扩展测试时计算

TMAS展示了通过多智能体协同而非单纯扩大模型规模来提升推理能力的新思路，对AI效率提升和实际部署有参考价值。

#多智能体 #推理模型 #测试时计算 #协同/协作

AK@_akhaliq原文